Analyses of Peace River Shallow Water Ice Profiling Sonar data and their implications for the roles played by frazil ice and in situ anchor ice growth in a freezing river
Notice bibliographique
Résumé
Abstract. Peace River SWIPS (Shallow Water Ice Profiling Sonar) data were analyzed to quantify the roles of frazil ice and riverbed anchor ice grown in situ during the initial buildup of a seasonal ice cover. Data were derived through quasi-continuous monitoring of frazil parameters throughout the water column, providing direct and indirect measures of anchor ice volume and mass growth rates. Analyses utilized water level and air and water temperature information in conjunction with acoustic volume backscattering coefficient data to track and interpret spatial and temporal changes in riverbed and water column ice. Interest focused on four frazil intervals characterized by anomalously low levels of frazil content (relative to simulations with an anchor-ice-free river ice model) as distinguished by two strikingly different types of time dependences. A simple physical model was proposed to quantitatively account for discrepancies between measured and simulated results in terms of the pronounced dominance of anchor ice as an initial source of river ice volume and mass. The distinctive differences in temporally variable water column frazil content are attributed, in this model, to corresponding differences in the stabilities of riverbed anchor ice layers against detachment and buoyancy-driven movement to the river surface. In accord with earlier observations, the stability of in situ grown riverbed ice layers appears to be inversely proportional to cooling rates. The strength of the coupling between the two studied ice species was shown to be strong enough to detect changes in the anchor ice constituent from variations in water column frazil content.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».